气候变化背景下农业气象灾害对东北地区春玉米产量影响

李祎君 吕厚荃

研究简报

气候变化背景下农业气象灾害对东北地区春玉米产量影响

李祎君 吕厚荃*

国家气象中心, 北京 100081

随着气候变化, 中国重要商品粮基地—东北地区的农业气象灾害呈现出多发和频发的态势, 为了解这种变化对当地春玉米生产的影响, 本文引入通径分析法, 探讨该地区的主要农业气象灾害对春玉米产量的直接影响或协同影响及其程度, 进而在实际生产中更好的趋利避害以确保粮食生产安全。结果发现, 农业气象灾害可以解释50%左右东北地区春玉米产量的波动, 且影响春玉米生产的主要农业气象灾害已经从过去的冷害转变为干旱; 在气候变暖的大背景下, 影响春玉米生产的主要因子由热量条件转换为水分条件, 干旱已成为威胁春玉米产量的首要灾害。分省来看, 影响辽宁春玉米产量的农业气象灾害, 按照影响程度排序为干旱、洪涝和风灾; 影响吉林春玉米产量的农业气象灾害主要为干旱和洪涝; 影响黑龙江春玉米产量的农业气象灾害, 按照影响程度排序为干旱、洪涝和风灾。由此可见, 东北三省由于地理位置差异, 影响其玉米生产的主要农业气象灾害也有所差异, 黑龙江除风雹灾害影响大于其他两省外, 水旱灾害的影响均弱于辽吉, 风雹灾害局地性强, 影响范围有限, 因而其对玉米生产的影响远不及水旱灾害, 黑龙江玉米生产稳定性较高, 受农业气象灾害影响相对较小, 对东北地区在具体研究中不能一概而论。

农业气象灾害; 干旱; 洪涝; 冷害; 产量

东北地区是我国重要的商品粮基地, 黑吉辽三省粮食产量约为全国的五分之一, 是维护国家粮食安全的压舱石。而玉米作为重要的粮食和饲料作物, 东北地区是我国最大的玉米产区, 产量占全国总产量三分之一左右, 其中黑吉分别为玉米产量和种植面积前两位。一直以来, 农业气象灾害是造成玉米产量损失的主要原因, 对东北地区农业气象灾害的研究已有许多[1], 主要关注灾害指标的建立与创新, 并根据指标对农业气象灾害的历史及空间分布特征进行分析, 但应用实际灾情资料讨论农业气象灾害规律的研究并不多。随着气候变化, 一些研究认为, 东北地区风雹灾将减弱, 干旱将增加, 而洪涝与低温灾害仍将呈现波动幅度较大的趋势[1]。可见, 未来农业气象灾害的变化可能更加复杂, 其极端性也更强, 对玉米生产的影响将更大。传统上, 对于影响东北地区春玉米产量的农业气象灾害单一灾种研究比较多, 且主要集中在低温冷害及其指标方面[2-7], 对其他灾害的影响研究较少。2000年之后有一些研究者尝试应用作物模型对农业气象灾害的影响进行评估, 如陈振林等[8]应用Wofost模拟了低温、干旱及二者并发对玉米产量的影响等等。近10年玉米全生育期的多灾种复合研究也逐渐开展, 但其主要集中在农业气象灾害风险评价研究[9-11], 灾害影响的定量化研究仍然较少。随着气候变化, 东北地区影响玉米生产的主要农业气象灾害可能已经发生变化, 未来其对玉米生长影响的形势将更为复杂多变, 目前的单一灾种研究已经不能满足玉米生产的需求, 多灾种复合或协同作用的定量化研究已迫在眉睫。

通径分析是数量遗传学家Sewall Wright于1921年提出来, 经遗传育种学者不断改进和完善形成的一种多元统计技术[12-13]。它通过对自变量与因变量之间表面直接相关性的分解, 来研究自变量对因变量的直接重要性和间接重要性, 从而为统计决策提供可靠的依据, 在众多领域得到广泛应用[14-16]。本文引入通径分析法, 不仅可以定量地给出各灾种对春玉米产量单一影响, 还可以对不同灾种之间的协同关系进行定量分析, 进而得出影响东北地区春玉米产量的首要农业气象灾害, 为提高东北地区各省玉米产量, 趋利避害提供了理论依据。

1 试验资料与方法

1.1 研究区域

本文的研究区域为东北地区包括辽宁、吉林和黑龙江三省。该研究区域主要种植作物为春玉米和一季稻, 每年5月播种9月收获一年一熟, 其中春玉米种植面积和产量均为全国首位。春玉米生长季内, 不同时段光、温、水因子对春玉米产量的影响也存在差异, 按照春玉米生长发育进程, 将其大致分为3段, 5月至6月播种至营养生长期, 7月至8月生殖生长期, 9月成熟收获期。

1.2 研究数据与方法

本研究气象要素光温水数据来自研究区域内194个气象观测站点, 玉米种植面积及产量、干旱面积、洪涝面积、风灾面积、冷冻害面积等数据来自中国国家统计局。

从线性分离法、3年滑动平均、5年滑动平均法3种春玉米气象产量分离方法中择优, 选取了效果最好的5年滑动平均法。将农业气象灾害成灾面积与作物播种面积的比值定义为成灾率, 用以表明灾害强度。其中, 当总成灾率<0.2时, 为正常年; 0.2≤总成灾率<0.25时, 为轻灾年; 0.25≤总成灾率<0.3时, 为中灾年; 总成灾率≥0.3时, 为重灾年[17]。

由于影响东北地区春玉米生产的农业气象灾害较多, 且各农业气象灾害之间又存在着一定的协同作用, 单一灾害对春玉米产量的影响很难通过简单的相关分析得到。通径分析[13]是一种可以处理较为复杂的变量关系的统计方法, 通过对自变量和因变量之间的相关性分解, 找出自变量对因变量的直接和间接影响, 并能准确地给出其影响程度的大小。通径分析基本原理是基于标准化多远线性回归方程的正则方程组:

通径分析不仅可以检验出各x对的作用是否显著, 且可以检验出12,…, x对的决定作用是否显著, 可以看出x是如何直接或者通过其他变量间接影响的。因此, 本文利用通径分析法将主要农业气象灾害对东北地区春玉米产量的直接和间接影响分离, 从而使单一灾害的定量化影响更为准确。

进行通径分析前, 将主要农业气象灾害成灾面积与农作物种植面积之比定义为成灾率, 这个指标可以直接反映灾害强度, 也便于各省历年之间进行客观比较。因而, 将主要农业气象灾害成灾率与气象产量进行通径分析, 可反映出农业气象灾害对东北地区春玉米生产的实际影响。为了更好把各类农业气象灾害对春玉米气象产量的综合作用进行排序, 以确定主要决策变量和限制性变量, 引入通径分析中的决策指标, 决策系数[18]2(i)。

2 结果与分析

2.1 气候变化特征

东北地区近48年(1971—2018年)生长季(5月至9月)平均气温呈显著上升趋势, 并在1996年之后气温距平由负转正(图1)。对研究区域及各省气温突变情况进行检验, 发现东北区域气温自1971年始一直呈增暖趋势, 但这种增温趋势在2000年之后才达到显著水平, 近20年增暖更明显; 东北地区气温的升高以1995年为突变点, 增幅变大, 其中辽宁、吉林和黑龙江分别在1989年、1992年和1994年存在气温突变(随着纬度的升高气温突变点出现延后), 突变之后气温增幅也加大, 以年平均气温0.3℃a–1的速度上升。由此, 目前研究区域正处在气温显著上升阶段, 变暖明显。

从近48年区域年降水量变化来看(图2), 降水量年际波动较大, 有减少的趋势, 但未达到显著水平; 降水存在明显阶段性变化: 1971—1983年降水以负距平为主, 1984—2000年以正距平为主, 2001—2018年又以负距平为主。对区域降水序列进行突变检验, 也发现了一致的阶段性变化规律, 其增减趋势未达到显著水平。由此, 研究区域降水存在弱的减少趋势, 目前处于降水偏少阶段。分省来看, 辽宁和吉林降水变化的规律与区域的基本一致, 当前处于降水偏少阶段, 且辽宁降水递减速度快于吉林; 但黑龙江与其他两省相反, 降水整体呈弱的增加趋势, 降水的阶段性变化规律与辽宁、吉林也略有不同, 1971—1981年为降水偏少期, 1982—2005年为降水偏多期, 2006—2010年为降水偏少期, 2011—2018年降水偏多期, 目前处于降水偏多期。

图1 1971–2018年研究区域年平均气温与距平(a)和研究区域气温突变检验(b)

图2 1971–2018年研究区域降水量变化

目前, 东北地区处于气温增暖明显、降水减少的趋势下, 热量条件对农业生产的限制作用可能减弱, 而水分条件的限制作用可能增大。另一方面, 水热的这种变化对于农业气象灾害的发生频率及程度也有一定的影响。

2.2 农业气象灾害变化特征

影响东北地区玉米生产的主要农业气象灾害有干旱、洪涝、冷冻害和风雹灾害。1971年以来东北地区农业气象灾害总成灾面积呈现不显著的增加趋势(图3), 干旱成灾面积也呈弱的增加趋势; 洪涝成灾面积增减趋势不明显, 但1981—1998年为高值时段; 风雹灾害面积呈下降趋势。从各类农业气象灾害占总灾害面积百分比来看(图4), 旱灾成灾面积为总灾害成灾面积的58%, 是威胁东北地区农业生产的最主要气象灾害; 其次为洪涝, 占总成灾面积的26%, 是第二大的农业气象灾害; 之后为风雹、冷冻害及其他灾害。

1971—2018年48年中总成灾面积超过3000千公顷的年份有23年, 其中旱灾占主导的年份为12年, 旱灾成灾面积与总成灾面积之比>80%的年份有5年, 分别为2000年、2001年、2007年(此3年为典型的大旱年)及1997年和1982年; 洪涝灾害占主导的年份有6年, 洪涝成灾面积与总成灾面积之比>70%的年份有3年, 分别为1985年、1986年和1998年, 其中1998年东北地区嫩江、松花江洪涝灾害是当时150年来最为严重的全流域特大洪涝灾害; 1993年、1995年为旱涝并重; 2002年为冷冻害年, 1976年为风雹灾害严重年。从农业气象灾害影响程度来看, 随着气候变暖, 旱灾在总灾害中所占的比重越来越大,这也佐证了热量条件对农业生产的限制作用可能减弱, 而水分条件的限制作用可能增大的结论。尤其是2000年之后旱灾成灾面积占比达71%, 它的主导作用更为明显, 且农业成灾总面积较大的年份也主要集中在2000年之后, 作物生长季高温少雨是导致干旱的主要原因。

图3 1971–2018年研究区农业气象灾害成灾面积

图4 1971–2018年研究区各类农业气象灾害成灾面积变化

根据48年的实际灾情数据分析后发现, 在受灾年中, 若某一农业气象灾害成灾面积与总成灾面积之比大于60%, 那么该年为某一农业气象灾害为主的灾害年; 例如某年为灾害年, 当干旱成灾面积/总成灾面积>60%时, 该年为干旱为主的灾害年。分省来看, 48年中辽宁省灾害年有21年, 其中轻灾年5年, 中灾年7年, 重灾年9年; 21年灾害年中, 干旱为主有16年, 洪涝为主有3年, 旱涝并重1年, 干旱风雹冷害1年。辽宁省灾害年每2～3年一遇, 灾害年中出现农业干旱年的概率为76.2%, 洪涝年的概率为14.3%。辽宁农业干旱出现频率远高于其他农业气象灾害, 且以春旱为主, 约占干旱总数的70%以上, 基本属于3～4年一遇; 另外, 出现连年干旱概率也较高, 其中1999—2004年出现6年连旱, 2000—2002年为特大干旱年。3年洪涝年分别为1985年、1994年和1995年, 其中1985年8月上旬, 有3个台风(8505Irma、8506Jeff、8508Lee)登陆或影响了辽宁省, 造成特大洪涝灾害。

1971—2018年48年中吉林省灾害年有15年, 2年轻灾年, 4年中灾年, 9年重灾年, 灾害年发生概率低于辽宁, 但重灾年概率为60%, 远高于辽宁的43%。15年灾害年中, 干旱为主有7年, 洪涝为主有4年, 旱涝并重2年, 洪涝风雹冷害1年, 风雹干旱1年。吉林省灾害年每3.3年一遇, 灾害年中出现农业干旱年的概率为46.7%, 洪涝年的概率为26.7%。与辽宁相比, 干旱的影响减弱, 洪涝、风雹的影响增大。其中1995年夏季, 吉林省同时遭受了水、旱灾害的影响, 白城地区持续严重干旱和东南部地区洪涝都是历史罕见, 全省造成经济损失达200多亿元。

1971—2018年48年中黑龙江省灾害年有14年, 9年轻灾年, 3年中灾年, 2年重灾年, 为3个省中灾害年数量最少, 程度最轻。从灾害年的数目与不同灾害年强度分布来看, 黑龙江均是三省中农业气象灾害影响最轻的。14年灾害年中, 干旱为主有8年, 洪涝为主有5年, 干旱风雹冷害1年。黑龙江省灾害年每4年一遇, 灾害年中出现农业干旱年的概率为57.1%, 洪涝年的概率为35.7%, 洪涝灾害的影响进一步加大。

2.3 农业气象灾害对产量的影响

农业气象灾害本质是气象条件的异常, 也就是光、温、水等气象要素出现异常情况, 过多或者过少, 从而对农作物生长发育过程造成危害。将春玉米全生育期≥10℃积温及3个发育时段的气温、降水和日照与实际产量做相关分析后发现, 随着纬度的升高, 春玉米实际产量与温度因子的关系更为显著(附表1)。与辽宁春玉米实际产量达到相关显著(0.001)水平的温度因子仅有9月气温, 即春玉米成熟期气温高利于辽宁玉米高产; 吉林9月气温、5月至6月气温和生长季积温与实际产量均达到相关显著水平, 除了成熟期气温高利于高产外, 播种至营养生长期气温高也利于吉林省春玉米形成丰产群体从而后期高产; 黑龙江所有时段的温度因子(9月气温、5月至6月气温、7月至8月气温和生长季积温)均与春玉米的实际产量达到了相关显著的水平, 且实际产量与生长季积温相关性>5月至6月气温>7月至8月气温>9月气温。3个省中各时段降水与实际产量均未达到相关显著, 热量条件仍是与春玉米实际产量关系最为密切的因子。

分析东北地区春玉米气象产量与各时段气温、降水和日照的相关性, 其结果与实际产量略有差异。与黑龙江春玉米气象产量相关显著(0.05)的因子有5月至6月降水与生长季降水量, 降水量多气象产量高, 温度因子相关不显著; 吉林玉米气象产量与5月至6月降水也呈正相关, 但与辽宁春玉米气象产量相关显著的因子均为温度因子, 且为负相关, 即温度越高气象产量越低, 尤其是7月至8月正值玉米产量形成的关键时段, 此时段正值盛夏也是一年中最热的月份, 高温易造成雄穗不能抽出或花粉不能开裂散粉, 雌穗不结实或秃尖率将大大增加。由上分析, 气象产量与温度因子呈负相关, 与降水呈正相关, 反映出在东北地区, 温度高尤其是盛夏高温是气象产量增加的限制因子, 降水多水分条件好是促进春玉米气象产量增加的有利因素, 也从旁印证了水分条件对于春玉米产量的影响作用越来越大。东北地区春玉米大部为雨养农业, 随着气候变暖, 自然降水的多寡对其气象产量高低的决定作用也越来越大。

进一步分析东北地区春玉米气象产量与农业气象灾害的关系发现, 春玉米气象产量与灾害总面积达到相关显著, 其中辽宁春玉米气象产量波动的60%是由农业气象灾害造成, 吉林为50%, 黑龙江为27%。单从影响程度来看, 东北三省中辽宁春玉米产量受农业气象灾害影响更大, 吉林次之, 黑龙江相对较小, 农业生产的稳定度则正好相反。分类来看5种农业气象灾害中, 辽宁春玉米气象产量受到干旱与洪涝的双重影响, 几乎是旱涝并重; 黑龙江和吉林气象产量仅与干旱面积相关显著, 与其他灾害面积无明显相关。

按照对辽宁省春玉米气象产量综合作用由大到小排序, 排序最大的变量为干旱和洪涝灾害, 决策系数为负值,说明为主要限制性变量; 各类灾害对气象产量的直接作用为负向作用, 按照直接作用由大到小排序为干旱、洪涝、风雹, 冷冻害和其他灾害对春玉米气象产量的直接作用微乎其微。干旱、洪涝、风雹的直接作用均大于各自间接作用之和, 说明这些灾害对春玉米气象产量的影响主要体现在直接作用上。而冷冻害和其他灾害的直接作用小于其间接作用之和, 说明其对气象产量的影响主要是协同在旱涝等灾害之中。从表1中也可以看出, 影响辽宁省春玉米气象产量的农业气象灾害是以干旱和洪涝为主, 风雹、冷冻害等为辅的多种灾害, 与之前分析辽宁春玉米产量受农业气象灾害影响更大也更为复杂的结论一致。

按照对吉林省春玉米气象产量综合作用由大到小排序, 作用最大的变量为干旱, 决策系数为负值, 是主要限制性变量, 其余灾害决策系数小, 综合作用弱(表2); 各类灾害对气象产量的直接作用为负向作用, 按照直接作用大小排序, 直接作用最大的灾害为干旱, 其余灾害的直接作用较小。干旱直接作用大于其间接作用之和, 说明干旱灾害对吉林春玉米气象产量的影响主要体现在直接作用上; 其他灾害的直接作用和间接作用微小, 不再讨论。

表1 辽宁省主要农业气象灾害对玉米气象产量的直接作用和间接作用

在研究吉林省农业气象灾害对春玉米产量影响时, 干旱完全处于主导地位, 这也与实际情况一致。吉林省春玉米主产区主要分布在中西部, 其中大部地区为该省常年老旱区, 西部地区年降水量不足400 mm, 有“十年九旱”之称。而洪涝灾害主要分布在东部或东南部, 为水稻主产区, 因而对春玉米产量的影响不大。

按照对黑龙江省春玉米气象产量综合作用由大到小排序, 排序最大的变量为干旱, 决策系数为负值, 是主要限制性变量, 其余灾害决策系数小, 综合作用弱(表3); 直接作用按照大小排序, 直接作用较大的灾害为干旱, 其次为风雹、洪涝, 冷冻害、其他灾害的直接作用较小; 同时, 各类灾害对气象产量的直接作用为负向作用。干旱、洪涝等主要农业气象灾害的直接作用大于其间接作用之和, 说明黑龙江的主要农业灾害对春玉米气象产量的影响体现在直接作用上, 这些农业气象灾害对气象产量的影响协同作用较小, 而冷害是唯一一个间接作用大于直接作用的灾种, 冷害可能是伴随着其他类灾害一同发生的, 单一冷害的年份较少。因而, 在研究黑龙江省农业气象灾害对春玉米产量影响时, 以干旱为主, 洪涝与风雹灾害并重, 且均以直接作用为主。而冷冻害的影响主要是协同在其余灾害之中, 黑龙江省纬度较高, 热量资源较其他两省相对不足, 冷冻害的影响也较大。

表2 吉林省主要农业气象灾害对玉米气象产量的直接作用和间接作用

缩写同表1。Abbreviations are the same as those given in Table 1.

表3 黑龙江省主要农业气象灾害对气象产量的直接作用和间接作用

缩写同表1。Abbreviations are the same as those given in Table 1.

从各类灾害直接作用大小来看, 干旱对辽宁的影响最大为0.735, 其次为吉林0.646, 最小黑龙江0.570; 洪涝的影响也是如此, 水旱两大农业气象灾害对辽宁的影响都是三省中最大的, 由此辽宁省春玉米产量受到的影响也是最大的, 其玉米生产的稳定性较低; 相对而言, 黑龙江除风雹灾害影响大于其他两省外, 水旱灾害的影响均弱于辽吉, 风雹灾害局地性强, 影响范围有限, 因而其对玉米生产的影响远不及水旱灾害, 黑龙江玉米生产稳定性较高, 受农业气象灾害影响相对较小。

3 讨论

东北地区属于我国纬度较高地区, 由于热量资源不足等原因, 低温冷害是其主要农业气象灾害之一, 严重冷害年减产20%以上[4]。因而, 低温冷害一直是东北地区农业气象灾害的研究重点, 但2000年之后气候变暖趋势明显, 东北地区热量条件得到显著改善, 冷冻害的影响已经大大降低, 基本上没有发生大范围的严重低温冷害, 仅为影响该区域春玉米产量的次要因素, 甚至在纬度较低的南部如辽宁省, 长期来看冷冻害的影响已近趋于0。也有研究东北地区夏季低温与农业干旱并发影响[19], 干旱发生时一般与高温并存, 因而夏季低温与干旱并发的情况不常见。经本文分析发现, 农业干旱已经成为影响东北地区春玉米产量的主要灾害, 这一结论与农业气象灾害数据反映的实际情况也较为一致。在实际农作物生长的环境中, 农业气象灾害的发生往往是多种灾害连发或并发, 对作物的影响也是复合型的, 危害程度加重, 想要将单一灾害的影响定量的表示清楚有一定的困难。本文引入的通径分析法将灾害之间的相互作物剥离, 反映出单一灾害对玉米生产的直接影响, 同时也能看出由于农业气象灾害本身的复杂性使其在不同省之间作用大小又各有不同, 这在东北地区农业气象灾害研究中是不多见的。影响辽宁春玉米产量的农业气象灾害较多, 其复杂性也更大, 相对而言黑龙江的较少, 从另一方面也反映了东北三省中辽宁农业生产的稳定性较低, 受多重灾害影响的概率大, 而黑龙江农业生产的稳定性较高, 是更为理想的商品粮基地。因而, 在农业气象灾害的具体研究中, 要因地因灾制宜, 具体分析。

[1] 马建勇, 许吟隆, 潘婕. 东北地区农业气象灾害的趋势变化及其对粮食产量的影响. 中国农业气象, 2012, 33: 283–288.

Ma J Y, Xu Y L, Pan J. Analysis of agro-meteorological disasters tendency variation and the impacts on grain yield over Northeast China., 2012, 33: 283–288 (in Chinese with English abstract).

[2] 崔一鸣, 张明哲, 王禄禄, 宋佳, 毕伊红, 辛得, 李明鉴. 1966–2013年东北地区玉米低温冷害指数分析. 现代农业科技, 2018, (15): 8–10.

Cui Y M, Zhang M Z, Wang L L, Song J, Bi Y H, Xin D, Li M J. Analysis on low temperature and chilling injury index of corn in Northeast China from 1966 to 2013., 2018, (15): 8–10 (in Chinese with English abstract).

[3] 郭建平, 马树庆. 农作物低温冷害监测预测理论和实践. 北京:气象出版社, 2009. pp 26–27.

Guo J P, Ma S Q. Theory and Practice of Monitoring and Forecasting Crop Cold Damage. Beijing: Meteorological Press, 2009. pp 26–27 (in Chinese).

[4] 王春乙, 毛飞. 东北地区低温冷害的分布特征. 见: 王春乙, 郭建平. 农作物低温冷害综合防御技术研究. 北京: 气象出版社, 1999. pp 9–15.

Wang C Y, Mao F. Distribution characteristics of low temperature and chilling damage in Northeast China. In: Wang C Y, Guo J P, eds. Research on Comprehensive Defense Technology of Crops Low Temperature and Chilling Injury. Beijing: Meteorological Press, 1999. pp 9–15 (in Chinese).

[5] 马树庆, 刘玉英, 王琪. 玉米低温冷害动态评估和预测方法. 应用生态学报, 2006, 17: 1905–1910.

Ma S Q, Liu Y Y, Wang Q. Dynamic prediction and evaluation method of maize chilling damage., 2006, 17: 1905–1910 (in Chinese with English abstract).

[6] 李帅, 王晾晾, 陈莉, 姜丽霞, 张洪杰, 覃雪. 黑龙江省玉米低温冷害风险综合评估模型研究. 自然资源学报, 2013, 28: 635–645.

Li S, Wang L L, Chen L, Jiang L X, Zhang H J, Qin X. The comprehensive risk evaluation model of chilling injury to maize in Heilongjiang province., 2013, 28: 635–645 (in Chinese with English abstract).

[7] 张方亮, 杨晓光. 东北三省春玉米生长季主要农业气象灾害特征分析. 见: 第十五届全国玉米栽培学术研讨会会议论文集. 北京: 中国作物学会, 2017. pp 115–117.

Zhang F L, Yang X G. Analysis on the characteristics of main agro-meteorological disasters in spring corn growing season in the three Northeast provinces. In: Proceedings of the 15th National Corn Cultivation Symposium. Beijing: Crop Science Society of China, 2017. pp 115–117 (in Chinese).

[8] 陈振林, 张建平, 王春乙, 郑江平. 应用WOFOST模型模拟低温与干旱对玉米产量的综合影响. 中国农业气象, 2007, 28: 440–442.

Chen Z L, Zhang J P, Wang C Y, Zheng J P. Application of WOFOST model in simulation of integrated impacts of low temperature and drought on maize yield., 2007, 28: 440–442 (in Chinese with English abstract).

[9] 高晓容. 东北地区玉米主要气象灾害风险评估研究. 南京信息工程大学硕士论文, 江苏南京, 2012.

Gao X R. Study on the Risk Assessment of the Main Meteorological Disasters for Maize in Northeast China. MS Thesis of Nanjing University of Information Science and Technology, Nanjing, Jiangsu, China, 2012 (in Chinese with English abstract).

[10] 杨若子, 周广胜. 东北三省玉米主要农业气象灾害综合危险性评估. 气象学报, 2015, 73: 1141–1153.

Yang R Z, Zhou G S. Comprehensive risk assessment of the main maize agro-meteorological disasters in the three provinces of Northeast China., 2015, 73: 1141–1153 (in Chinese with English abstract).

[11] 杨若子. 东北玉米主要农业气象灾害的时空特征与风险综合评估. 南京信息工程大学硕士论文, 江苏南京, 2015.

Yang R Z. Northeast China Maize Trend Yield Agrometeorological Disasters Risk Assessment. MS Thesis of Nanjing University of Information Science and Technology, Nanjing, Jiangsu, China, 2015 (in Chinese with English abstract).

[12] 张琪, 丛鹏, 彭励. 通径分析在Excel和SPSS中的实现. 农业网络信息, 2007, (3): 109–110.

Zhang Q, Cong P, Peng L. The realization of path analysis in Excel and SPSS., 2007, (3): 109–110 (in Chinese with English abstract).

[13] 杜家菊, 陈志伟. 使用SPSS线性回归实现通径分析的方法. 生物学通报, 2010, 45(2): 4–6.

Du J J, Chen Z W. Using SPSS linear regression to realize path analysis., 2010, 45(2): 4–6 (in Chinese with English abstract).

[14] 林德光. 通径分析法在腰果播种巾的应用——兼论通径分析的SAS实施. 热带作物学报, 2001, 22(3): 34–39.

Lin D G. The application of path analysis method in cashew nut sowing towels and the SAS implementation of path analysis., 2001, 22(3): 34–39(in Chinese with English abstract).

[15] 黄大辉, 彭懿紫, 黄天进, 蔡巨广, 莫永生, 曾超珍. 杂交水稻主要性状的多重逐步回归和通径分析. 广西农业生物科学, 2004, 23(2): 100–103.

Huang D H, Peng Y Z, Huang T J, Cai J G, Mo Y S, Zeng C Z. Multiple stepwise regression and path analysis of the main characters of hybrid rice., 2004, 23(2): 100–103 (in Chinese with English abstract).

[16] 刘美含, 史海滨, 李仙岳, 闫建文, 孙伟, 窦旭. 河套灌区玉米农田蒸散动态变化及其影响因子的通径分析. 排灌机械工程学报, 2018, 36: 1081–1086.

Liu M H, Shi H B, Li X Y, Yan J W, Sun W, Dou X. Path analysis of dynamic changes of corn farmland evapotranspiration and its influencing factors in Hetao irrigation area., 2018, 36: 1081–1086 (in Chinese with English abstract).

[17] 袁志发, 周静芋, 郭满才, 雷雪芹, 解小莉. 决策系数——通径分析中的决策指标. 西北农林科技大学学报(自然科学版), 2001, 29(5): 131–133.

Yuan Z F, Zhou J W, Guo M C, Lei X Q, Xie X L. Decision co­efficient—the decision index in path analysis.(Nat Sci Edn), 2001, 29(5): 131–133 (in Chinese with English abstract).

[18] 王春乙, 张建平. 东北农作物冷害干旱并发影响评估. 见: 王春乙. 东北地区农作物低温冷害研究. 北京: 气象出版社, 2008. pp 163–173.

Wang C Y, Zhang J P. Evaluation on the concurrent effects of crop chilling injury and drought in Northeast China. In: Wang C Y, ed. Study on Chilling Injury of Crops in Northeast China. Beijing: Meteorological Press, 2008. pp 163–173 (in Chinese).

[19] 张星, 郑有飞, 周乐照. 农业气象灾害灾情等级划分与年景评估. 生态学杂志, 2007, 26: 418–421.

Zhang X, Zheng Y F, Zhou L Z. Grade classification and annual case assessment of agro-meteorological disasters in Fujian pro­vince., 2007, 26: 418–421 (in Chinese with English abstract).

Effect of agricultural meteorological disasters on the production corn in the Northeast China

LI Yi-Jun and LYU Hou-Quan*

National Meteorological Centre of China, Beijing 100081, China

Agricultural meteorological disasters are the main natural disasters that threaten grain output. In recent years, with climate change, agricultural meteorological disasters are more and more frequent, and their impact on northeast China is also increasing. In this paper, to make better use of advantages and avoid disadvantages in actual production to ensure food production safety, spring corn in three provinces of northeast China was taken as the research object to discuss the impact of major agricultural meteorological disasters in this region on spring corn yield and its degree. The results showed that agricultural meteorological disasters could explain about 50% of the fluctuation of spring corn yield in Northeast China, and the main agricultural meteorological disasters that affected spring corn production had changed from cold damage in the traditional sense to drought. Under the background of climate warming, the main factor affecting spring corn production was changed from thermal condition to water condition, and drought had become the primary disaster threatening spring corn production. The agricultural meteorological disasters that affected the spring corn yield in Liaoning province were drought, flood, and wind in order of the degree of influence. The agricultural meteorological disaster that affected spring corn yield in Jilin province was only drought. The agricultural meteorological disasters affecting the yield of spring corn in Heilongjiang province were ranked as flood, drought, and cold damage according to the degree of impact. In conclusion, due to geographical differences, the main agro-meteorological disasters affecting the corn production in the three provinces of Northeast China were also different, and their complexity was not the same, which cannot be generalized in the specific study.

agricultural meteorological disasters; drought; flood; cold damage; corn yield

10.3724/SP.J.1006.2022.03061

本研究由国家重点基础研究发展计划(973计划)项目(2013CB430205)和“十三五”国家重点研发计划项目(2019YFD1002201)资助。

This study was supported by the National Key Basic Research Program (973 Program, 2013CB430205) and the National Key Research and Development Program of China (2019YFD1002201).

吕厚荃, E-mail: daoshaodao@163.com

E-mail: duoshaoduo151@163.com, Tel: 010-68407040

2020-10-19;

2021-10-20;

2021-11-18.

URL: https://kns.cnki.net/kcms/detail/11.1809.S.20211117.1723.004.html